Dokument-Version: 4.001.03.2021pre

Fakultät Ingenieurwissenschaften

Masterstudiengang (EIM) - Elektrotechnik und Informationstechnik

CV/ML-Anwendungen in eingebetteten Systemen

Kennzahl 8240

Dozententeam

Pflichtmodul 8240

verantwortlich: Prof. Dr.-Ing. Gerold Bausch
Professur Computer Vision Computer Vision und Maschinelles Lernen
Regelsemester Sommersemester 2. Semester (jährlich)
Leistungspunkte *) 5   (Wichtung der LP =5)
Unterrichtssprache Deutsch
Arbeitsaufwand Vorlesung-Präsenz: 28 h; Vorlesung-Nacharbeit: 47 h; (1. Machine Learning auf eingebetten Systemen)Seminar-Präsenz: 14 h; Seminar-Vorarbeit: 31 h; (CV-ML-Anwendungen in eingebetteten Systemen)Projekt-Präsenz: 14 h; Projekt-Vorarbeit: 31 h;
Voraussetzungen für die Teilnahme Kenntnisse/Fähigkeiten: Computer Vision II; Kenntnisse zu den Grundlagen maschineller Lernverfahren auf Basis tiefer neuronaler Netze auf Bachelor-Niveau; Grundlegende Kenntnisse in Mikrorechnerarchitekturen und digitaler Signalverarbeitung
Lernziel/ Kompetenz Ziel: Vermittlung vertiefter Fachkenntnisse zu Strukturen und Konzepten in eingebetteten Systemen zur Integration und Umsetzung von Computer-Vision- und Machine-Learning-Anwendungen mit moderaten Ressourcen.

Fach- und methodische Kompetenz: Theoretische und praktische Fachkenntnisse zu besonderen Problemstellungen im Hinblick auf die Realisierung von Computer-Vision- und Machine-Learning-Anwendungen auf eingebetteten Systemen am Beispiel der RaspberryPi-Plattform; Auswahl und Anwendung von Bibliotheken und Entwicklungswerkzeugen; Nutzung des Wissens in Anwendungsbeispielen u.a. anhand vorbereiteter Codeabschnitte.

Einbindung in die Berufsvorbereitung: Sowohl problemspezifische als auch regulatorische Rahmenbedingungen in den Anwendungsgebieten kamerarbasierter Systeme, aber auch die Notwendigkeit einer möglichst ressourcenschonenden Anwendungsrealisierung erfordern Fähigkeiten zur Integration und Realisierung von Verfahren des maschinellen Lernens und der Computer-Vision auf eingebetteten Systemen.
Inhalt 1. 1. Machine Learning auf eingebetten Systemen

Umsetzung von ML-Anwendungen auf eingebetteten Systemen (ARM Cortex-M, usw.) Optimierung von Verfahren und Verwendung von Bibliotheken und Werkzeugen

2. CV-ML-Anwendungen in eingebetteten Systemen

Integration neuronaler Netze in eingebetteten Systemen, Deep-Learning-Frameworks Besondere Architekturen anwendungsspezifischer neuronaler Netze, z.B. YOLOACT++, MobileNet Prototyping/Realisierung von beispielhafter Computer-Vision-Anwendungen auf der RaspberryPi-Plattform, z. B. Personen- und Objekterkennung

Studien- und Prüfungsleistungen
Lehreinheiten SWS Prüfungsleistung Wichtung
V S P
1. Machine Learning auf eingebetten Systemen 1 1 - (PK 90 min) 5
CV-ML-Anwendungen in eingebetteten Systemen 1 - 1
Medienformen Tafel, PC, Beamer, Literatur
Literatur Pajankar, A.: RaspberryPi Computer Vision Programming,2nd Edition;

Verwendbarkeit Das Modul ist im Masterstudiengang Elektrotechnik und Informationstechnik verwendbar.